El reconocimiento de rostros es un problema que ha mantenido su relevancia dentro del Reconocimiento de Patrones en los últimos años debido a su gran variedad de aplicaciones, tales como control de acceso, vigilancia, interacción humano-computadora y la creación de identi?caciones biométricas en general. Una de las desventajas más importantes de tecnologías actuales en este campo es que los dispositivos usuales de captura de imágenes trabajan con representaciones bidimensionales de los rostros, lo cual proporciona sensibilidad ante variaciones de la imagen de un mismo individuo, principalmente ante cambios de iluminación, expresiones y variaciones de postura. Para hacer frente a estas múltiples variaciones, el presente trabajo de tesis propone un método de reconocimiento de rostros que combina cualidades de distintos enfoques en esta área: métodos basados en modelos estadísticos, métodos de reconocimiento basados en regiones y métodos basados en transformaciones. Con el ?n de aprovechar la información geométrica de los rostros, el método parte de nubes de puntos 3D a las cuales se les aplica un análisis de curvatura para obtener descriptores de la forma local del rostro en cada punto; luego, se aplica una transformación del rostro 3D original hacia una malla triangulada en el plano y, ?nalmente, se consideran segmentaciones que extraen regiones robustas a expresiones.Face recognition is an important problem that has maintained its relevance in Pattern Recognition in recent years due to its wide range of applications such as access control, surveillance, human-computer interaction, and biometric identi?cation. One of the major drawbacks of current technologies in this ?eld is that the usual imaging devices work with two-dimensional representationsof faces.Hence,such methodsaresensitivetochanges in images of faces, especially to changes in illumination, expressions and posture. To address these multiple variations, this thesis proposes a face recognition method that combines advantages of different approaches in this area; that is, recognition methods based on statistical models, recognition methods based on regions, and recognition methods based on transformations. To take advantage of the geometric information of faces, the proposed method begins with a curvature analysis of the original 3D point clouds in order to obtain local descriptors of the face shape at each point; then, a transformation of the original 3D face is applied to the triangulated mesh in the plane; ?nally, almost expression-invariant regions are segmented.